الذكاء الاصطناعي يعالج فجوة التوظيف في نفط وغاز عُمان

48% من العاملين في وظائف الطاقة التقليدية عالميًا باتوا بعمر 45 عامًا فأكثر، بينما انخفضت شريحة 25–34 إلى 19% فقط. هذه ليست مجرد أرقام في تقرير؛ هذا إنذار مبكر لأي قطاع يعتمد على خبرة ميدانية تراكمية مثل النفط والغاز. وعندما تقلّ الرغبة في التنقّل الدولي أيضًا (75% فقط مستعدون للانتقال في 2026 بعد أن كانت 89% في 2022)، تصبح المعادلة أصعب: مشاريع أكثر، خبرات أقل، وتنافس أشد على نفس الكفاءات.

في عُمان، حيث يشكّل قطاع الطاقة والنفط والغاز أحد الأعمدة الاستراتيجية للاقتصاد، لا يكفي أن نقول “نحتاج موظفين أكثر”. الواقع؟ نحتاج طريقة عمل مختلفة تقلّل الاعتماد على الندرة البشرية في بعض المهام، وتحافظ على الخبرات النادرة، وتجعل القطاع جذّابًا للشباب. وهنا يظهر الذكاء الاصطناعي والأتمتة كخيار عملي، لا كزينة تقنية.

هذه المقالة جزء من سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»، وتركّز تحديدًا على زاوية غالبًا يتم تجاهلها: أزمة القوى العاملة… وكيف يمكن للذكاء الاصطناعي أن يحوّلها من “عنق زجاجة” إلى فرصة للتحديث وبناء ميزة تنافسية.

لماذا تتعمّق أزمة التوظيف في النفط والغاز عالميًا؟

السبب المباشر هو مزيج من ثلاثة عوامل واضحة في مؤشر المواهب العالمي للطاقة 2026 (GETI) الصادر عن Airswift والمدعوم من Energy Jobline: شيخوخة القوى العاملة، وتراجع التنقّل، وبطء تبنّي الذكاء الاصطناعي مقارنة بقطاعات أخرى.

1) فجوة الأجيال: الخبرة تتقدّم… والبدائل أقل

عندما يصبح قرابة نصف العاملين في الطاقة التقليدية بعمر 45+ (48%)، فهذا يعني أن موجة تقاعد خلال السنوات القادمة ليست احتمالًا بل جدول أعمال. المشكلة ليست في العمر بحد ذاته؛ المشكلة أن الكثير من “المعرفة الصامتة” في الحقول والمصافي—كيف تُشخّص مشكلة قبل أن تظهر على لوحة العدادات، وكيف تُدار المخاطر في ظروف غير مثالية—لا تُنقل تلقائيًا.

الأصعب أن نسبة التوظيف المباشر للخريجين ليست مرتفعة: حوالي ثلث مديري التوظيف فقط أفادوا أنهم يوظفون الخريجين بنشاط لبناء خطوط إمداد للمواهب. بمعنى آخر: ما يتسرّب من خبرة لا يُعوّض بالسرعة الكافية.

2) تراجع التنقّل الدولي: المنافسة على المواهب المحلية تزداد

البيانات تقول إن الاستعداد للانتقال انخفض إلى 75% في 2026 بعد 80% في 2025 و89% في 2022. وبينما أصبح الشرق الأوسط وأوروبا وجهتين مفضّلتين بالتساوي، فالأثر العملي هو أن الشركات—ومنها شركات المنطقة—ستعتمد أكثر على:

• بناء كفاءات محلية أسرع.
• إعادة تأهيل الموظفين الحاليين بدل انتظار “خبير جاهز”.
• تقليل الحاجة إلى السفر الطويل والتمركز الميداني الدائم.

3) الذكاء الاصطناعي حاضر… لكن ليس بما يكفي

حوالي 45% من المهنيين يستخدمون الذكاء الاصطناعي في أعمالهم اليوم (قفزة واضحة عن 2024)، لكن التبنّي ما زال أقل من قطاعات مثل الخدمات المالية أو التجارة الإلكترونية. المفارقة أن أصعب الوظائف تعبئة هي الهندسة والعمليات التقنية—أي أكثر الوظائف التي يمكن للذكاء الاصطناعي أن يخفف ضغطها عبر المساندة التحليلية والأتمتة.

ماذا يعني هذا لعُمان الآن (وليس بعد خمس سنوات)؟

إذا تعاملنا مع أزمة المواهب كملف “موارد بشرية” فقط، سنخسر وقتًا. في النفط والغاز، نقص شخص واحد في دور حرج قد يبطئ مشروعًا كاملًا، أو يرفع المخاطر التشغيلية، أو يضغط تكاليف الصيانة.

في رأيي، السؤال الأكثر فائدة لمدير عمليات أو مدير مشروع في عُمان ليس: “كم عدد الموظفين الذين نحتاجهم؟” بل:

أي مهام يجب أن تبقى بشرية 100%، وأي مهام يجب أن تتحول إلى نمط “إنسان + ذكاء اصطناعي”؟

هذا التحوّل يحقق ثلاث فوائد متزامنة:

1. زيادة الإنتاجية لكل مهندس/فني بدل مطاردة أعداد أكبر.
2. تسريع نقل الخبرة من الجيل الأقدم إلى الأصغر بطريقة منظمة.
3. جذب الشباب لأن بيئة العمل تصبح أقرب لعالم البيانات والبرمجيات، لا فقط أعمالًا ورقية ومراقبة يدوية.

أين يدخل الذكاء الاصطناعي تحديدًا؟ 5 تطبيقات عملية تقلّل ضغط التوظيف

الذكاء الاصطناعي لا “يستبدل الناس” كفكرة عامة. الاستخدام الذكي له هو تقليل الأعمال المتكررة، وتقديم توصيات، وتوسيع قدرة الفرق على اتخاذ قرار أسرع وأدق. هذه أكثر التطبيقات ارتباطًا مباشرة بأزمة القوى العاملة في عُمان:

1) الصيانة التنبؤية: تقليل الأعطال التي تستهلك الفرق

الفرق الفنية تُستنزف عندما تعمل بوضع “إطفاء حرائق”: عطل مفاجئ، طلب قطع غيار عاجل، إعادة جدولة، ضغط سلامة. أنظمة الصيانة التنبؤية تستخدم بيانات الاهتزاز والحرارة والضغط والسجل التاريخي لتقدير احتمالية تعطل المعدّات قبل وقوعه.

الأثر على التوظيف:

• تقليل ساعات العمل الطارئة.
• تركيز الفنيين على أعمال مخططة ذات جودة أعلى.
• خفض الحاجة لتوسيع فرق الصيانة فقط لمجاراة المفاجآت.

2) “مساعد مهندس” داخل غرفة التحكم: قرار أسرع وتدريب أسرع

في العمليات، كثير من الخبرة تُختصر بجملة مثل: “هذا النمط من القراءات يعني مشكلة في كذا”. الذكاء الاصطناعي يمكن أن يعمل كمساعد يلتقط الأنماط ويقترح أسبابًا محتملة وخطوات تحقق.

الأثر على فجوة الأجيال:

• الموظف الجديد لا يبدأ من الصفر.
• الخبرة تصبح “مؤسسية” وليست محصورة في أشخاص محددين.

3) رقمنة إجراءات السلامة والتصاريح (PTW): تقليل العمل الإداري المرهق

في مواقع النفط والغاز، أنظمة تصريح العمل (Permit to Work) والتفتيشات والإغلاقات قد تصبح عبئًا إداريًا إذا بقيت ورقية أو مشتتة. أدوات الذكاء الاصطناعي تستطيع:

• اكتشاف التعارضات في التصاريح (تداخل أعمال ساخنة مع مناطق حساسة).
• تلخيص المخاطر والمتطلبات تلقائيًا.
• اقتراح قائمة تحقق مناسبة حسب نوع العمل.

الأثر: تقليل الوقت الضائع في التنسيق، ورفع الانضباط التشغيلي دون زيادة عدد المشرفين.

4) التوظيف الذكي وبناء خطوط المواهب: من “سيرة ذاتية” إلى “ملف مهارات”

التركيز على الشهادات فقط لم يعد كافيًا. الذكاء الاصطناعي في التوظيف يساعد على:

• مطابقة المرشحين بناءً على مهارات قابلة للتحقق (مشاريع، دورات، محاكاة).
• تقليل تحيز الفرز اليدوي.
• بناء “خريطة مهارات” للفجوات داخل المؤسسة.

وبما أن GETI أظهر أن توظيف الخريجين ليس نشطًا بالشكل الكافي عالميًا، فإن تبنّي عُمان لأساليب توظيف مبنية على المهارات—مدعومة بتحليلات—يستطيع تحويل الخريج إلى موظف منتج أسرع.

5) التدريب بالمحاكاة والواقع الممتد + الذكاء الاصطناعي: تقليل أثر قلة التنقّل

حين تقلّ الرغبة في الانتقال والعمل بعيدًا، يصبح تدريب الفريق محليًا وبأقل تعطيل أمرًا أساسيًا. المحاكاة المدعومة بالذكاء الاصطناعي تساعد على:

• سيناريوهات تشغيل غير اعتيادية (تذبذب ضغط، إنذارات متعددة).
• تقييم الأداء تلقائيًا وتخصيص التدريب حسب نقاط الضعف.
• تقليل الاعتماد على “مدرب واحد خبير” لكل مجموعة.

خطة تطبيق واقعية في شركات الطاقة بعُمان (90 يومًا كبداية)

التحول للذكاء الاصطناعي يفشل غالبًا بسبب اختيار مشروع ضخم بلا بيانات جاهزة ولا مالك واضح. الأفضل بدءًا بخطوات قصيرة ذات عائد واضح. هذه خطة 90 يومًا رأيت أنها تعمل في قطاعات ثقيلة مشابهة:

الخطوة 1: اختيار حالتي استخدام مرتبطتين بالضغط التشغيلي

اختر حالتين فقط، بشرط أن تكونا:

• مؤلمتين (تستهلك وقت فريق نادر).
• قابلتين للقياس (زمن توقف، عدد أوامر عمل، ساعات إضافية).

أمثلة مناسبة: الصيانة التنبؤية لمعدّة حرجة، أو رقمنة PTW مع كشف التعارضات.

الخطوة 2: تجهيز “حد أدنى” من البيانات وملكية واضحة

• تعيين مالك منتج من العمليات/الصيانة (ليس من تقنية المعلومات فقط).
• تحديد مصادر البيانات (SCADA، سجلات CMMS، تقارير تفتيش).
• الاتفاق على معيار نجاح رقمي (مثل خفض الأعطال غير المخطط لها بنسبة 10% خلال 6 أشهر).

الخطوة 3: دمج الحل في سير العمل اليومي

الذكاء الاصطناعي الذي يعيش في لوحة مستقلة لا يغيّر شيئًا. الدمج يعني:

• تنبيه داخل النظام الذي يستخدمه الفريق بالفعل.
• توصية مرتبطة بإجراء واضح.
• سجل قرارات (لماذا اتخذنا هذا القرار؟) لبناء معرفة تراكمية.

الخطوة 4: حوكمة ومهارات: لا تؤجلها

حوكمة الذكاء الاصطناعي في النفط والغاز ليست رفاهية. ابدأ مبكرًا بـ:

• سياسات بيانات واضحة.
• مراجعة أمن سيبراني.
• تدريب عملي قصير للفرق: “كيف تقرأ توصية النموذج؟ ومتى تتجاهلها؟”.

أسئلة شائعة يطرحها قادة القطاع في عُمان (وإجابات مباشرة)

هل الذكاء الاصطناعي يعني تقليل الوظائف؟

في التطبيقات التشغيلية، الهدف الأكثر واقعية هو زيادة إنتاجية الفرد وتقليل الضغط، خصوصًا مع شيخوخة القوى العاملة. كثير من الشركات لا تستطيع أصلًا ملء كل الوظائف الحرجة؛ الذكاء الاصطناعي هنا يعمل كـ“مضاعِف قوة” للخبراء.

ما أسرع عائد يمكن قياسه؟

الأسرع عادةً يظهر في:

• تقليل التوقفات المفاجئة عبر الصيانة التنبؤية.
• تقليل زمن الدورة الإدارية (تصاريح، تقارير، تفتيش) عبر الأتمتة الذكية.

ما أكبر خطأ؟

أكبر خطأ هو البدء بنموذج معقد قبل تنظيف البيانات أو تحديد قرار عملي سيؤثر عليه النموذج. النموذج ليس الهدف؛ القرار التشغيلي هو الهدف.

ما الذي يجب أن تفعله شركات النفط والغاز في عُمان ابتداءً من هذا الربع؟

تقرير GETI يضع إصبعه على الجرح: نقص الخبرات وارتفاع متوسط العمر وتراجع التنقّل عوامل ستضغط على تنفيذ المشاريع في السنوات القادمة. بالنسبة لعُمان، الاستجابة الذكية ليست سباق رواتب فقط، ولا حملة توظيف موسمية. الاستجابة هي تحويل طريقة العمل بحيث تصبح المهارات نَفَسًا طويلًا، والخبرة قابلة للنقل، والعمليات أقل اعتمادًا على التدخل اليدوي.

إذا كنت تقود فريقًا في التشغيل أو الصيانة أو الموارد البشرية داخل قطاع الطاقة، ابدأ بسؤالين بسيطين:

• ما أكثر “5 مهام” تستهلك وقت خبرائنا اليوم ويمكن للذكاء الاصطناعي أن يختصرها؟
• ما المهارات التي نريدها في موظف 2030، وكيف نبنيها من الآن عبر التدريب والبيانات؟

الخطوة التالية العملية: ابدأ بمشروعين صغيرين خلال 90 يومًا، واطلب مؤشرات قياس واضحة، وادمج الحل في سير العمل. بعدها ستتغير المحادثة داخل المؤسسة من “هل نحتاج الذكاء الاصطناعي؟” إلى “أي جزء نُحسّنه بعد؟”.